[发明专利]用于检索数据的方法、设备和介质

权利要求书

1.一种用于检索数据的方法，包括：

建立文字映射到拼音的第一数据库以及拼音映射到音节的第二数据库；

针对所获取的第一数据执行预处理，从而获取包括一个或多个标准化元素的数组；

基于第一数据库，遍历所述数组中的每个元素，从而获取第二数据并将所述第二数据保存到用于全文检索使用的第三数据库；

对待检索数据执行分字，从而获取经分字的对象并基于正则表达式将所获取的对象表达为音节表达式；

在所述第二数据库中检索所述音节表达式，从而获取所述待检索数据的拼音映射到音节的索引；以及

基于所获取的索引，检索所述第三数据库，从而获取关于待检索数据的检索结果。

2.根据权利要求1所述的方法，其中还包括：

计算所述第一数据库中的文字映射到拼音的拼音字符数量以及字符距离；

根据所计算的拼音字符数量以及字符距离，标注出各个拼音的相似拼音；以及

将每个拼音映射到与其对应的相似拼音，从而获取所映射的相似拼音索引，其中所述相似拼音索引被保存到所述第三数据库。

3.根据权利要求2所述的方法，其中将每个拼音映射到与其对应的相似拼音还包括：

响应于拼音被映射到多个与其对应的相似拼音，为多个相似拼音中的每个相似拼音设置第一概率；

根据所获取的检索结果的确认率，获得相似拼音中的每个拼音的第二概率；

基于所述第一概率和第二概率，计算所述相似拼音中的每个相似拼音的第三概率；以及

基于所计算的第三概率，检索所述第三数据库，从而获取检索结果。

4.根据权利要求3所述的方法，其中计算所述相似拼音中的每个相似拼音的第三概率包括：

获取第二概率的更新时间段；

基于所获取的更新时间段，确定在不同更新时间段中所述第二概率的权重值，其中所述权重值基于与所述更新时间段的函数关系而变化；以及

基于更新时间段、所述第一概率和所述第二概率、所变化的权重值，计算所述相似拼音中的每个相似拼音的第三概率。

5.根据权利要求4所述的方法，其中还包括：

响应于所述相似拼音中的每个相似拼音的第三概率低于预定阈值，在所述第三数据库中删除该相似拼音。

6.根据权利要求1所述的方法，其中建立文字映射到拼音的第一数据库包括：

定义拼音分隔符；

基于所定义的拼音分隔符，分隔文字对应的多个相似拼音；

将所述文字映射到多个相似拼音，从而建立文字映射拼音的哈希索引；以及

基于所述相似拼音的表达形式，建立文字的正则表达式。

7.根据权利要求6所述的方法，其中针对所获取的第一数据执行预处理包括：

对第一数据执行分字，获取第一数据的分字结果；

基于所建立的正则表达式，确认第一数据的分字结果是否符合所述正则表达式；

响应于第一数据的分字结果不符合所述正则表达式，将该分字结果替换为空白字符；以及

响应于第一数据的分字结果符合所述正则表达式，根据所述正则表达式将所述分字结果替换为多个相似拼音或多个相似拼音索引。

8.根据权利要求1所述的方法，其中检索所述第三数据库包括：

基于MySQL中的Ngram全文解析器检索支持Ngram索引的第三数据库。

9. 一种计算设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。